使用YOLOv8来训练一个苹果及叶片病害检测数据集，并使用训练好的模型进行预测。

使用YOLOv8来训练一个包含2100张图像的苹果及叶片病害检测数据集。这个数据集已经划分为训练集、验证集和测试集（比例为7:2:1），并且标注为YOLO格式，可以直接用于模型训练。

数据集描述
数据量：2100张图像
类别：
0: alternaria（交链孢菌）
1: anthracnose（炭疽病）
2: marssonina（苹果斑点病）
3: scab（苹果黑星病）
4: sootyblotch（煤污病）
5: valsa canker（苹果溃疡病）
6: whiterot（白腐病）
标注格式：YOLO格式
应用场景：苹果及叶片病害检测
数据集组织
假设你的数据集目录结构如下：

深色版本
apple_leaf_disease_dataset/
├── images/
│ ├── train/
│ │ ├── 000001.jpg
│ │ ├── 000002.jpg
│ │ └── …
│ ├── val/
│ │ ├── 000001.jpg
│ │ ├── 000002.jpg
│ │ └── …
│ └── test/
│ ├── 000001.jpg
│ ├── 000002.jpg
│ └── …
├── labels/
│ ├── train/
│ │ ├── 000001.txt